优化栅格细化算法的线状地物提取

1 引 言

矢量数据和栅格数据是 GIS 空间数据的两种主要形式。GIS 数据有很大一部分来源于栅格数据,如航片、小卫星影像等遥感数据, 以及各种介质绘制的地图。目前在 GIS 应用中, 对数据的精度和各种分析功能的要求越来越高, 因此要求把栅格数据转换成在这方面比较有优势的矢量数据。其中线状地物的提取成为栅格—矢量转换的一个重要方面,它可以大幅提高矢量化的速度、制图质量和效率,缩短成图周期, 降低制图成本。本文就基于优化的栅格边缘跟踪细化算法对线状地物的提取进行了研究。

面状地物中心线的提取在 GIS 领域应用也非常广泛, 如道路、河流、山体走向等多种要素的分析。本文采用先把矢量数据转换成栅格数据, 然后通过栅格细化, 再转成矢量数据的方法, 快速、准确地实现了面状地物中心线的提取。

2 栅格矢量化半自动跟踪

( 1) 影响矢量化质量的一个重要因素是栅格数据一般都具有噪音。噪音问题可以通过低通滤波的方法去除; 低通滤波去除噪音可以用卷积实现, 低通滤波的频率截止点由卷积核的大小和卷积系数决定, 卷积核如图 1 所示, 所有卷积系数之和为 1,以保证图像的亮度不变。

影响矢量化质量的另外一个重要因素是栅格线状笔划中间有时会存在微小空隙。栅格线状笔划空隙问题可以通过以下方法解决: 首先根据加权平均值法把栅格数据图像点灰度化, 由于人眼对绿色的敏感度最高, 红色次之, 蓝色最低, 根据实验和理论推导得到灰度的计算公式为 : V=0.30R+0.59G+ 0.11B; 再根据某个阀值 ( 0~255) 过滤得到二值数据, 然后通过先加粗后减细的栅格运算方法弥合空隙。加粗是指四向邻域加粗, 把图像上下左右各平移一次, 然后求或操作; 减细可以通过背景像元的加粗运算实现。

( 2) 半自动跟踪矢量化的基本思想是: 根据用户给定的坐标, 得到以该点为中心 256×256 的图像块( 分块是为了控制内存和加快速度) , 对彩色、灰度、二值图像等根据用户给定的颜色容限范围( 0~ 255) 比较 RGB 颜色的各个分量误差值, 误差值都在容限范围内就把图像像元值置为 1, 其余置为 0( 超出图像范围部分用 0 代替) 得到二值化后的图像块数据, 再通过加粗减细算法消除空隙, 然后用边缘跟踪剥皮细化算法进行细化。栅格细化时, 先找到一个位于线划栅格边缘上的像元, 接着以此像元为中心, 按一定顺序( 如顺时针方向) 检测其 8 个邻域的颜色值。通过检测可以同时达到两个目的,一是判断本中心像元应不应该被置为“0”; 二是找到与本中心像元相邻的边缘像元, 以便继续“剥皮” 和跟踪。如此循环反复, 继续找到下一个边缘像元作为本中心像元, 一直跟踪到线划栅格一侧边缘的下一个边缘像元为起始像元。按此方法得到细化栅格后, 再根据细化后栅格像元值的相邻关系, 按顺序连接成折线, 经过光滑等处理, 最后就能得到理想的矢量数据。上述方法中判定本中心像元是否应当被置为 “0”的条件是不符合图 2 的图形就置为 “0”。

更多内容请查看pdf